Deepseek, une startup d'IA chinoise, a partagé des mesures financières clés samedi, fournissant l'un des rares informations sur l'économie de l'industrie de l'IA.
La société a annoncé via X que ses modèles V3 et R1 avaient atteint une marge bénéficiaire théorique de 545% sur 24 heures le dernier jour de février.
Deepseek a précisé sur GitHub que les informations qu'il partageait n'était pas concluante. Il a déclaré que le bénéfice réel est beaucoup plus bas que la marge théorique ne le suggère.
La société d'IA a déclaré que la différence est due à des facteurs différents, notamment que seul un petit ensemble de ses services est monétisé et qu'il offre des rabais pendant les heures hors pointe.
De plus, les estimations des coûts ici n'incluent pas les coûts massifs de R&D et de calcul associés à la formation et au réglage de ses modèles d'IA propriétaires. Ainsi, alors que les marges nettes du revenu semblent très élevées dans les chiffres que nous voyons, ils ne reflètent pas la large réalité de la vie économique d'une entreprise d'IA à grande échelle.
Les bénéfices alléchants de Deepseek sont largement théoriques
Bien que les marges bénéficiaires attrayantes que Deepseek suggèrent sont principalement théoriques, la divulgation de l'entreprise arrive à un moment charnière, les investisseurs technologiques examinant la durabilité financière des startups d'IA et de leurs modèles commerciaux.
Les investisseurs se concentrent plus que jamais sur le fait que les entreprises d'IA peuvent établir des sources de revenus durables au milieu des coûts élevés d'infrastructure, de la concurrence féroce et des réglementations en évolution.
La révélation de Deepseek - avec ses mises en garde - ajoute à la discussion d'une question plus importante: les entreprises d'IA peuvent-elles passer des entreprises axées sur la recherche à des entreprises rentables? À mesure que le secteur mûrit, de telles divulgations pourraient fournir des informations précieuses sur l'économie de l'IA à mesure qu'elle évolue et les différentes stratégies de monétisation qui peuvent s'avérer viables dans une industrie où les percées impliquent souvent une dépense financière importante.
Pourtant, la confidentialité et les préoccupations politiques pourraient bientôt tempérer le battage médiatique autour de Deepseek. Si la débâcle autour de Tiktok aux États-Unis est une indication des attitudes des législateurs envers les applications chinoises, Deepseek peut ne pas être long pour les marchés américains.
Les entreprises d'IA ont plusieurs essais de modèles de revenus
Les entreprises d'IA utilisent plusieurs modèles de revenus pour les essais. De Openai Inc. à PBC anthropique, les entreprises d'IA se précipitent pour essayer différents modèles de revenus pour transformer leurs percées innovantes en entreprises viables.
Ces approches comprennent des plans basés sur l'abonnement, des prix à la rémunération et des frais de licence pour les clients d'entreprise, car ils rivalisent pour créer des produits d'IA de plus en plus sophistiqués. Cependant, le coût coûteux de la formation, du déploiement et du maintien de ces modèles d'IA à grande échelle a augmenté les préoccupations croissantes des investisseurs.
Les points d'interrogation se profilent de la viabilité de ces modèles commerciaux dans la production de bénéfices cohérents évolutifs, ce qui a ouvert une discussion plus large sur le fait que les entreprises d'IA peuvent jamais profiter et / ou devenir rentables à court terme.
Une stratégie Deepseek décrite qui leur permet de réduire les coûts est d'optimiser la puissance de calcul, y compris l'informatique de chargement de charge. Cette approche répartit le trafic sur les serveurs et les centres de données pour équilibrer le travail et empêcher les goulots d'étranglement, maximisant une utilisation efficace des ressources.
La société a également souligné ses innovations qui permettent aux modèles de traiter simultanément plus de données, une amélioration qui peut améliorer les performances globales du système. Deepseek a également mis en évidence ses travaux sur la gestion de latence, ou le temps entre la question d'un utilisateur et la réponse d'une IA, ce qui garantit que les expériences des utilisateurs se déroulent bien.
Cryptopolitan Academy: fatiguée des balançoires du marché? Découvrez comment DeFi peut vous aider à créer un revenu passif stable. Inscrivez-vous maintenant
